来源：期刊VIP网 时间：
作者：金龙;陈良铭;张强强;李惠;
单位：兰州大学信息科学与工程学院;兰州大学土木工程与力学学院;哈尔滨工业大学土木工程学院;
摘要：深度神经网络正为传统工程系统带来一场深刻的范式革命。然而，主流深度神经网络模型固有的脆弱性与工程系统对鲁棒性的极致要求之间形成了尖锐矛盾，即存在“鲁棒性鸿沟”，已成为制约人工智能在工程系统中广泛应用的关键瓶颈之一。目前，尚无针对工程系统深度神经网络鲁棒性的综合性讨论。本文旨在系统性地介绍并分析关于深度神经网络鲁棒性机理、工程系统深度神经网络鲁棒性提升方法的重要研究。首先，在问题发现层面，本文解构了鲁棒性鸿沟问题的内涵与外延；随后，在根源剖析层面，本文介绍了关于深度神经网络鲁棒性缺陷原因分析的理论进展、鲁棒性与多层次网络架构的关系等；进一步地，在现有对策层面，探讨增强工程系统深度神经网络鲁棒性的通用方法，以及针对工业制造、电网系统、自动驾驶等关键工程领域特性的深度神经网络鲁棒性提升方法；最后，在未来展望层面，本文重点讨论内在鲁棒的深度神经网络新架构、新型学习范式、嵌入工程语义约束的新策略等前沿方向，以期为构建鲁棒的工程系统深度神经网络提供有价值的参考。
关键词：人工智能;;深度神经网络;;工程系统;;鲁棒性
基金资助：国家自然科学基金项目（62506148,62476115,U25A20229）;; 青年教师科研创新能力支持项目（SRICSPYF-BS2025061）;; 甘肃省科技计划项目（24ZYQA048）的资助
